基于图像识别的路牌信息检测方法研究

论文摘要

惯性导航系统(INS)无需依赖外部环境，工作时具有高度自主性，是一种重要的导航设备。但该导航系统的定位误差会随着时间增长而逐渐累积，限制了系统独立工作的有效时间。通常可采用GPS可对INS的误差进行修正，但GPS不是完全自主导航方式，依赖于卫星信号，且存在GPS信号失锁或无法正常接收GPS信号的情况。INS/Vision组合导航可有效解决导航系统的自主性和系统误差修正的问题。为此，本文提出一种利用路牌作为导航标志的视觉定位方案，是自主式定位方法的一种探索性研究。本文在图像识别的基础上，针对视觉系统中路牌信息检测的相关问题进行了深入地研究，主要内容包括：(1)分析和研究了灰度边缘检测、颜色相似性判定、角点检测等方法，针对路牌图像的几何特征和颜色特征，确定了一种路牌区域检测的方法，并通过实验验证了本方法的有效性；同时，针对角点检测方法，根据待检测的路牌区域的特征，对角点检测过程中角点判决的方法进行了改进，实验表明该方法在去除大量干扰角点的同时可保留目标角点，抑制角点误检和漏检的情况；(2)在(1)完成路牌区域检测之后，对路牌图像产生倾斜变形原因和类型进行了分析，确定了一种坐标变换进行倾斜校正的方法，与传统的整体旋转法相比，具有计算量小的优势；接着，对路牌区域采用四次投影法分割出单个文字图像，结合路牌先验知识并引入分割点验证窗口，可有效避免字符误分割；(3)针对自然条件下路牌文字识别问题，采用Gabor特征和网格特征的联合特征，研究了BP神经网络的工作原理，根据汉字结构构建了二级BP神经网络，构建了汉字样本库，实验结果表明所用特征可较好的表征汉字，神经网络系统具有较好的鲁棒性，二级网络的性能要优于单级网络，具有较高的识别率。

论文目录

• 摘要
• ABSTRACT
• 图目录
• 表目录
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.2.1 视觉定位
• 1.2.2 汉字识别
• 1.3 主要研究工作
• 1.4 本文结构安排
• 第二章 路牌信息检测系统总体结构
• 2.1 基于路牌信息的视觉定位方案
• 2.2 路牌信息检测的先验知识
• 2.2.1 路牌的类型及特点
• 2.2.2 路牌与分岔路口中心点的垂线距离
• 2.2.3 路牌高度及拍摄倾角
• 2.3 路牌信息检测总体流程
• 2.4 本章小结
• 第三章 路牌图像预处理
• 3.1 路牌区域检测
• 3.1.1 灰度化
• 3.1.2 数学形态学边缘检测
• 3.1.3 Harris 角点检测及其改进算法
• 3.1.4 颜色相似性判定
• 3.1.5 路牌区域检测算法
• 3.2 路牌区域倾斜校正
• 3.2.1 直线倾角检测与 Hough 变换
• 3.2.2 基于整体旋转法的倾斜校正
• 3.2.3 基于改进的坐标变换法的倾斜校正
• 3.3 基于改进的投影法的路牌文字分割
• 3.4 文字尺寸归一化
• 3.5 本章小结
• 第四章 路牌信息检测
• 4.1 汉字特征提取
• 4.1.1 汉字特征提取方法概述
• 4.1.2 Gabor 特征
• 4.1.3 网格特征
• 4.2 BP 神经网络与汉字识别
• 4.2.1 人工神经网络概述
• 4.2.2 网络模型
• 4.2.3 网络的学习方式
• 4.2.4 网络的设计
• 4.2.5 网络的训练过程
• 4.3 实验及结果分析
• 4.3.1 实验目标
• 4.3.2 样本库的创建
• 4.3.3 实验方案
• 4.3.4 单级神经网络实验
• 4.3.5 二级神经网络实验
• 4.3.6 结论
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 内容总结
• 5.2 下一步的研究工作展望
• 致谢
• 参考文献